為精準(zhǔn)跟蹤海域環(huán)境中的各類艦船目標(biāo),生成連續(xù)性的視覺目標(biāo)圖像視頻,提出復(fù)雜背景下的無人艇視頻視覺目標(biāo)圖像識別算法。利用增強(qiáng)濾波處理無人艇圖像中的數(shù)據(jù)信息,再通過特殊信息標(biāo)記的方式,完成無人艇視頻的圖像數(shù)據(jù)集設(shè)計(jì)。在此基礎(chǔ)上,改進(jìn)原識別提取網(wǎng)絡(luò),借助邊界框預(yù)測實(shí)值,完成待識別目標(biāo)圖像的特征提取,實(shí)現(xiàn)復(fù)雜背景下無人艇視頻視覺目標(biāo)圖像識別算法的順利應(yīng)用。對比實(shí)驗(yàn)結(jié)果表明,與KCF目標(biāo)跟蹤算法相比,應(yīng)用新型目標(biāo)圖像識別算法后,YOI船體識別參數(shù)增大至8.56,實(shí)現(xiàn)了對海域環(huán)境中各類艦船目標(biāo)的精準(zhǔn)跟蹤,大幅促進(jìn)了連續(xù)性視覺目標(biāo)圖像視頻的生成。 

【文章來源】：艦船科學(xué)技術(shù). 2020,42(16)北大核心

【文章頁數(shù)】：3 頁

【部分圖文】：

無人艇視頻圖像Fig.1Videoimageofunmannedboat

【參考文獻(xiàn)】：
期刊論文
[1]基于深度學(xué)習(xí)的5種樹皮紋理圖像識別研究[J]. 劉嘉政,王雪峰,王甜.  北京林業(yè)大學(xué)學(xué)報(bào). 2019(04)
[2]基于改進(jìn)殘差網(wǎng)絡(luò)的園林害蟲圖像識別[J]. 陳娟,陳良勇,王生生,趙慧穎,溫長吉.  農(nóng)業(yè)機(jī)械學(xué)報(bào). 2019(05)
[3]CNN在煤礦突水水源LIF光譜圖像識別的應(yīng)用[J]. 周孟然,來文豪,王亞,胡鋒,李大同,王銳.  光譜學(xué)與光譜分析. 2018(07)
[4]基于深度卷積神經(jīng)網(wǎng)絡(luò)的海戰(zhàn)場目標(biāo)協(xié)同識別方法[J]. 鄭光迪,潘明波,劉巍,吳學(xué)銅.  光學(xué)與光電技術(shù). 2018(02)



本文編號：3378648